Eviews常用面板回归模型案例实战

一、Eviews对面板数据构建面板回归模型

数据简介：本文使用中国31个省，10年（2003-2012年），5个变量。其中LN表示对数化，CX表示储蓄，JYNX表示教育年限，GDP表示地区生产总值，LNFY表示老年抚养比率，SNFY表示少儿抚养比率。CX为被解释变量，其余为解释变量。

二、面板回归模型概述

图1

我们分别建立混合回归模型（又称不变系数模型）、变截距模型、变系数模型。对文件名为pooldata进行面板回归。

图2

三、Eviews回归模型操作

图3

面板回归分析界面认识——

方框1处：被解释变量

方框3处：common coefficients，在这栏中输入的变量对所有截面成员有相同系数。（可理解混合效应）

cross—section specific，在这栏中输入的变量对pool中每个截面成员系数不同。（可理解为变系数）

period specific。在这栏中输入的变量对poo中每个时期的系数不同。

方框2处：Fixed and Random 其实就是对变截距模型下，选择使用固定效应还是随机效应。

fixed ——f，random——r，none——n

当common中输入被解释变量时：

f-f ：个体时点固定效应模型

r-r ：个体时点随机效应模型

f-n ：个体固定效应模型

n-f ：时点固定效应模型

r-n ：个体随机效应模型

3.1 混合效应模型

图4

图5

上式结果表明，该模型拟合效果极低，这其实跟我们的一般认识是一致的。用一个模型来刻画30个省10年的回归，由于个体间存在差异性且时间差异，用一个模型来刻画整体特征难免效果不好。我们会在变系数模型看到，所有省的模型都不一致将会更好拟合数据。教育年限和少儿抚养比对储蓄影响在0.05显著水平下无影响。

3.2 个体时点随机效应模型

图6

图7

结果表明，该模型拟合优度大大提高，远远优于混合效应模型。其中GDP对储蓄率的影响较小。Fixed Effect （Cross）之和接近0（8.88178E-16），Fixed Effect（Period）之和接近0（1.00267E-15）。即偏差之和为0，各地区各年份的平均值为-0.358。

3.3 个体固定效应模型

图8

图9

该模型拟合优度较好，少儿抚养比对储蓄无显著影响。且可以推断，Fixed Effect（Cross）之和也为0，实际通过求和为1.15186E-15，与0无异。因为都表示偏差。31个固定效应之和为-0.051，即各地区平均截距。

3.4 时点固定效应模型

图10

该模型拟合优度仅为0.224，说明模型效果极差，其中教育年限和少儿抚养比对储蓄率无显著影响。Fixed Effects（Period）之和为-3.17801E-15，与0无异。（也即偏差之和为0）。随着年份增长，该偏差在逐渐由负转正。各年份平均为1.293。

3.5 个体随机效应模型

图11

图12

该模型拟合优度较低，少儿抚养比对储蓄无显著影响，Random Effect （Cross）之和为-5.41928E-15，与0无异。

3.5 变系数模型

图13

图14

图15

图16

变系数模型的拟合程度最好，这和我们所理解的相符合。多个回归方程刻画多个省会大大增加模型拟合优度。